Claude Fable 5 نے محض ایک ڈویلپمنٹ سیشن میں ایک چار سال پرانے ٹویٹ کو کھیلنے کے قابل 3D براؤزر گیم میں تبدیل کر دیا، اور یہ سب اس نے کسی انسانی انتخاب کردہ ٹیک اسٹیک (tech stack) یا ڈیزائن ان پٹ کے بغیر خود ہی کر دکھایا۔

Simon Willison نے ماڈل کو ٹویٹ کی مختصر تفصیل، ایک اسکرین شاٹ اور دو معاون تصاویر فراہم کیں۔ اس معمولی سے پرامپٹ (prompt) سے Claude Fable 5 نے مکمل کوڈ بیس لکھا، 3D انجن کے طور پر Three.js کا انتخاب کیا، OpenAI ماڈل کے ذریعے گیم کے ٹیکسچرز (textures) تیار کیے، اور ہر تبدیلی کو GitHub ریپوزٹری میں پش (push) کیا۔ یہ ریپوزٹری GitHub Pages سے منسلک تھی، اس لیے ہر کمٹ (commit) تقریباً آدھے منٹ کے اندر ایک لائیو URL پر نظر آنے لگا۔ اس کا نتیجہ ایک فعال "Raccoon Heist" گیم کی صورت میں نکلا جسے آج کوئی بھی براؤزر میں کھیل سکتا ہے۔

تجربہ کیسے آگے بڑھا

  • کم سے کم پرامپٹ (Minimal prompt) – اصل 2022 کے ٹویٹ میں گیم کا تصور درج تھا اور ایک اسکرین شاٹ دکھایا گیا تھا۔ Willison نے حوالے کے لیے دو اضافی تصاویر اور متن کی چند لائنیں شامل کیں۔ انہوں نے پروگرامنگ زبان، گرافکس لائبریری، یا ڈیپلائمنٹ (deployment) کے بارے میں کوئی ہدایات نہیں دیں۔
  • ماڈل پر مبنی فیصلے – Claude Fable 5 نے رینڈرنگ انجن کے طور پر 3D گرافکس کے لیے ایک JavaScript لائبریری، Three.js کا انتخاب کیا۔ اس نے گیم چلانے کے لیے ضروری HTML، JavaScript، اور اثاثہ جات لوڈ کرنے والا (asset-loading) کوڈ خود لکھا۔
  • AI سے تیار کردہ اثاثے (AI-generated assets) – ایک OpenAI ماڈل نے ٹیکسچر تصاویر تیار کیں، جس سے ڈیزائنر کی ضرورت ختم ہو گئی۔
  • مسلسل ڈیلیوری (Continuous delivery) – کوڈ کے ہر پش (push) نے GitHub Pages کو سائٹ دوبارہ بنانے پر مجبور کیا، جس سے نیا ترین ورژن 30 سیکنڈ سے بھی کم وقت میں نظر آنے لگا۔ Willison نے گیم کو ریئل ٹائم میں ایک خالی کینوس سے ایک مکمل طور پر کھیلنے کے قابل پروٹو ٹائپ میں تبدیل ہوتے دیکھا۔

یہ کیوں اہم ہے

روایتی AI کوڈنگ اسسٹنٹس نے اس وقت آٹو کمپلیٹ، بگ فکس کی تجاویز، یا کوڈ کے ٹکڑے (snippets) تیار کرنے میں مدد کی ہے جب ڈویلپر ایک تفصیلی تفصیل فراہم کرتا ہے۔ Claude Fable 5 نے ایک حد عبور کر لی: اس نے ایک اعلیٰ سطح کا مقصد قبول کیا، امپلیمنٹیشن اسٹیک کا انتخاب کیا، اثاثے تیار کیے، اور ایک لائیو پروڈکٹ فراہم کیا—وہ بھی مزید انسانی ہدایت کے بغیر۔

SWE-bench جیسے بینچ مارکس اس بات کی پیمائش کرتے ہیں کہ ماڈلز پروگرامنگ کے مسائل کو کتنی اچھی طرح حل کرتے ہیں، لیکن ایک ماڈل کو خود مختارانہ طور پر مکمل انٹرایکٹو تجربہ تعمیر کرتے ہوئے دیکھنا ایک مختلف صلاحیت کو ظاہر کرتا ہے۔ تیز رفتار پروٹو ٹائپنگ کے لیے، یہ ورک فلو ثابت کرتا ہے کہ ایک ڈویلپر ماڈل کو ایک تصور اور چند اثاثے دے سکتا ہے، اسے ڈیپلائمنٹ کے ہدف کی طرف اشارہ کر سکتا ہے، اور منٹوں میں ایک قابل استعمال ڈیمو حاصل کر سکتا ہے۔

کسے فائدہ ہوگا، اور کون پیچھے رہ سکتا ہے

  • اسٹارٹ اپس اور انڈی ڈویلپرز ایک مکمل انجینئرنگ ٹیم کی خدمات لیے بغیر گیم آئیڈیاز یا UI تصورات پر کام کر سکتے ہیں۔
  • پروڈکٹ ٹیمیں اندرونی جائزوں کے لیے 'پروف آف کانسیپٹ' (proof-of-concept) فیچرز تیار کرنے کے لیے اس طریقے کا استعمال کر سکتی ہیں۔
  • ٹول فراہم کرنے والے ادارے جو AI سے چلنے والی کوڈ جنریشن فراہم کرتے ہیں، وہ دیکھ سکتے ہیں کہ طلب اعلیٰ سطح کے آرکیسٹریشن (orchestration) فیچرز کی طرف منتقل ہو رہی ہے—جو ماڈلز کو فریم ورکس منتخب کرنے اور CI/CD پائپ لائنز کو مینیج کرنے کی اجازت دے گی۔

اس کے برعکس، وہ ڈویلپرز جو آرکیٹیکچر کے فیصلوں، پرفارمنس ٹیوننگ، یا آرٹ ڈائریکشن میں مہارت رکھتے ہیں، وہ دیکھ سکتے ہیں کہ سب سے زیادہ واضح اور کم پیچیدہ کام تیزی سے خودکار ہو رہے ہیں۔ ماڈل کی خود مختاری کوڈ کے معیار، سیکیورٹی، اور AI سے تیار کردہ اثاثوں کے لائسنسنگ کے بارے میں بھی سوالات اٹھاتی ہے—ایسے مسائل جن کے لیے اب بھی انسانی نگرانی کی ضرورت ہے۔

موجودہ ڈیمو کی حدود

  • دائرہ کار (Scope) – یہ گیم ایک معمولی 3D پروٹو ٹائپ ہے؛ اس طریقے کو بڑے اور ڈیٹا پر مبنی ایپلی کیشنز تک وسعت دینے کا ابھی تک کوئی ثبوت نہیں ملا۔
  • انسانی مدد (Human scaffolding) – Willison نے GitHub Pages پائپ لائن ترتیب دی اور ماڈل کے آؤٹ پٹ کی نگرانی کی۔ ایک مکمل طور پر خودکار نظام کو بلڈ کی ناکامیوں یا غیر محفوظ کوڈ کا پتہ لگانے کے لیے میکانزم کی ضرورت ہوگی۔
  • اثاثوں کی معیار (Asset fidelity) – AI سے تیار کردہ ٹیکسچرز ایک سادہ گیم کے لیے تو ٹھیک ہیں لیکن ہائی بجٹ پروڈکشنز کے لیے ناکافی ہو سکتے ہیں جن میں فوٹو ریئلزم یا برانڈ کے مخصوص آرٹ کی ضرورت ہوتی ہے۔

آگے کیا دیکھنے کو ملے گا

  • ٹول انٹیگریشن – لارج لینگویج ماڈلز اور کلاؤڈ بلڈ سروسز کے درمیان گہرا تعلق متوقع ہے، جس سے وہ دستی مراحل کم ہو جائیں گے جو Willison نے انجام دیے۔
  • حفاظتی تہیں (Safety layers) – پلیٹ فارمز ڈیپلائمنٹ سے پہلے سیکیورٹی کی خامیوں کو پکڑنے کے لیے خودکار کوڈ ریویو یا سینڈ باکسنگ (sandboxing) شامل کر سکتے ہیں۔
  • بینچ مارک کا ارتقاء – نئے ایویلیوایشن سویٹس (evaluation suites) جو مکمل پروڈکٹ ڈیلیوری کا امتحان لیتے ہیں، موجودہ کوڈ کمپلیشن میٹرکس کی تکمیل کر سکتے ہیں۔

خلاصہ واضح ہے: جب AI کو ایک مختصر مقصد اور کچھ بنیادی مواد دیا جائے، تو وہ اب "یہ فنکشن لکھو" سے آگے بڑھ کر "ایک مکمل اور چلنے کے قابل پروڈکٹ بناؤ اور فراہم کرو" تک پہنچ سکتا ہے۔ یہ ٹیکنالوجی ابھی ابتدائی مراحل میں ہے، لیکن Claude Fable 5 کا مظاہرہ ایک ایسے مستقبل کی طرف اشارہ کرتا ہے جہاں بہت سے سافٹ ویئر آئیڈیاز کا پہلا ڈرافٹ خود مختارانہ طور پر تیار کیا جائے گا، جس سے ڈویلپرز کو بہتری، حکمت عملی اور تخلیقی صلاحیتوں پر توجہ مرکوز کرنے کا موقع ملے گا۔